基于跨领域的机票个性化推荐系统及推荐方法技术方案

本发明专利技术提供了一种基于跨领域的机票个性化推荐系统及推荐方法，包括：多个领域矩阵，其中，多个领域矩阵分为主领域矩阵和辅助领域矩阵；所述主领域矩阵和辅助领域矩阵中均包括相同的用户数据。步骤S1，获取用户历史机票订单；步骤S2，拆分用户历史机票订单为多个领域矩阵；步骤S3，将多个领域矩阵转化为一个多维张量，并训练多维张量得到多维张量的特征；步骤S4，利用多维张量的特征还原多个领域矩阵的主领域矩阵，根据主领域矩阵中值的大小进行推荐。本发明专利技术充分利用了历史订单的数据，将用户偏好细分成用户关于不同领域的偏好，从而丰富了用于构建模型所需的信息，也可以用在其他具有类似应用场景的推荐技术中。

【技术实现步骤摘要】

本专利技术涉及票务推荐系统
，具体地，涉及一种基于跨领域的机票个性化推荐系统及推荐方法。
技术介绍
个性化推荐技术的主要作用是在信息爆炸时代根据用户的行为提取出用户的兴趣爱好，准确高效地为用户提供获取信息的建议，减少用户为获取信息所花费的时间。个性化推荐已经是互联网时代不可缺少的技术。个性化推荐能够有效预见用户的需求，使得交互过程更有效率并提升用户的满意度，因此在包括电子商务、新闻门户、多媒体等各种服务网站都有广泛的应用。每年还会有重大的推荐技术竞赛。随着互联网技术的发展以及用户信息的不断完善，可以预见个性化推荐技术将有更加广泛的应用。而随着互联网不断发展，互联网公司收集到的数据领域越来越广，规模越来越大。目前大部分推荐系统主要利用单个领域的信息，比如对机票推荐问题来说，一种简易的解决方法是把选定出发地与目的地的所有航班当做物品，把机票推荐问题转化为普通的单领域用户-物品推荐问题。这样虽然模型简单，也有诸如基于物品、用户的协同过滤或者矩阵分解等成熟的方法可以使用，但是相当于只选择了用户数据中极小的一部分(特定出发地与目的地的用户历史机票订单)，用户的行为信息过于稀少，并不足以建立偏好模型。目前没有发现同本专利技术类似技术的说明或报道，也尚未收集到国内外类似的资料。
技术实现思路
针对现有技术中存在的上述不足，本专利技术的目的是提供一种基于跨领域的机票个性化推荐系统及推荐方法，该推荐系统及推荐方法利用海量的直接或间接的相关数据，通过把多个领域的数据相互关联，旨在利用丰富的辅助领域(矩阵)信息，
帮助训练主领域(矩阵)，从而解决主领域(矩阵)数据稀疏等问题；充分利用已有的数据信息，通过辅助矩阵细分用户的偏好，增加偏好模型的准确性，且很容易即可移植到机票推荐以外的问题中去。为实现上述目的，本专利技术是通过以下技术方案实现的。根据本专利技术的一个方面，提供了一种基于跨领域的机票个性化推荐系统，包括：多个领域矩阵，其中，多个领域矩阵分为主领域矩阵和辅助领域矩阵；所述主领域矩阵和辅助领域矩阵中均包括相同的用户数据。优选地，所述多个领域矩阵通过拆分用户历史机票订单中的数据得到。优选地，所述多个领域矩阵包括：用户航班领域矩阵、用户机型领域矩阵和用户价格敏感度领域矩阵；其中，所述用户航班领域矩阵为主领域矩阵，用户机型领域矩阵和用户价格敏感度领域矩阵为辅助领域矩阵。根据本专利技术的另一个方面，提供了一种基于跨领域的机票个性化推荐方法，包括如下步骤：步骤S1，获取用户历史机票订单；步骤S2，拆分用户历史机票订单为多个领域矩阵；步骤S3，将多个领域矩阵转化为一个多维张量，并训练多维张量得到多维张量的特征；步骤S4，利用多维张量的特征还原多个领域矩阵的主领域矩阵，根据主领域矩阵中值的大小进行推荐。优选地，所述步骤S3具体为：步骤S3.1，根据可逆变换将具有不同物品维长度的多个领域矩阵转变为具有共同物品维长度的矩阵后，合成一个多维张量；该多维张量由多个领域矩阵拼成，分别对应多个领域矩阵；步骤S3.2，采用张量分解的方法，将多维张量分解训练得到多维张量的多个特征。优选地，所述步骤S4具体为：步骤S4.1，利用多维张量的多个特征还原张量，通过可逆变换得到原多个领域矩阵；步骤S4.2，多个领域矩阵中的主领域矩阵中为0的部分被填充上了值，根据主领域矩阵中值的大小对用户进行推荐。优选地，所述主领域矩阵中为0的部分为用户历史未乘坐的航班。优选地，所述多个领域矩阵包括：用户航班领域矩阵、用户机型领域矩阵和用户价格敏感度领域矩阵；合成的多维张量为一个用户/虚拟物品/领域的三维张量；三维张量的三个特征包括：用户特征、虚拟物品特征和领域特征。优选地，三维张量的三个特征：用户特征、虚拟物品特征和领域特征，是对三维张量进行分解得到的三个矩阵，大小分别为U×R、I×R和D×R，其中U为用户数，I为虚拟物品维度大小(人工设定)，D为领域(矩阵)数(这里是3)，R为特征大小(人工设定)。与现有技术相比，本专利技术具有如下有益效果：1、本专利技术除了考虑用户选定的出发地与目的地历史订单数据之外，还通过把订单数据细化成多个领域，使用户在其他航线上的历史数据也得以被利用；本专利技术中细化的多个领域很容易即可利用原本的数据挖掘出来，不需要额外的数据，通过这种方式可以帮助用户更好地建模，从而提升个性化推荐的整体效果；2、本专利技术充分利用了历史订单的数据，将用户偏好细分成用户关于不同领域(如机型、航空公司等)的偏好，从而丰富了用于构建模型所需的信息，也可以用在其他具有类似应用场景的推荐技术中。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为本专利技术中机票订单拆分领域图；图2为本专利技术推荐方法流程图。具体实施方式下面对本专利技术的实施例作详细说明：本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进，这些都属于本专利技术的保护范围。实施例本实施例提供了一种基于跨领域的机票个性化推荐系统，包括：多个领域矩阵，其中，多个领域矩阵分为主领域矩阵和辅助领域矩阵；所述主领域矩阵和辅助领域矩阵中均包括相同的用户数据。进一步地，所述多个领域矩阵通过拆分用户历史机票订单中的数据得到。进一步地，所述多个领域矩阵包括：用户-航班领域矩阵、用户-机型领域矩阵和用户-价格敏感度领域矩阵；其中，所述用户-航班领域矩阵为主领域矩阵，用户-机型领域矩阵和用户-价格敏感度领域矩阵为辅助领域矩阵。本实施例提供的基于跨领域的机票个性化推荐系统，其推荐方法，包括如下步骤：步骤S1，获取用户历史机票订单；步骤S2，拆分用户历史机票订单为多个领域矩阵；步骤S3，将多个领域矩阵转化为一个多维张量，并训练多维张量得到多维张量的特征；步骤S4，利用多维张量的特征还原多个领域矩阵的主领域矩阵，根据主领域矩阵中值的大小进行推荐。进一步地，所述步骤S3具体为：步骤S3.1，根据可逆变换将具有不同物品维长度的多个领域矩阵转变为具有共同物品维长度的矩阵后，合成一个多维张量；该多维张量由多个领域矩阵拼成，分别对应多个领域矩阵；步骤S3.2，采用张量分解的方法，将多维张量分解训练得到多维张量的多个特征。进一步地，所述步骤S4具体为：步骤S4.1，利用多维张量的多个特征还原张量，通过可逆变换得到原多个领域矩阵；步骤S4.2，多个领域矩阵中的主领域矩阵中为0的部分被填充上了值，根据主领域矩阵中值的大小对用户进行推荐。进一步地，所述主领域矩阵中为0的部分为用户历史未乘坐的航班。进一步地，所述多个领域矩阵包括：用户-航班领域矩阵、用户-机型领域矩阵和用户-价格敏感度领域矩阵；合成的多维张量为一个用户-虚拟物品-领域的三维张量；三维张量的三个特征包括：用户特征、虚拟物品特征和领域特征。进一步地，三维张量的三个特征：用户特征、虚拟物品特征和领域特征，是对三维张量进行分解得到的三个矩阵，大小分别为U×R、I×R和D×R，其中U为用户数，I为虚拟物品维度大小(人工设定)，D为领域(矩阵)数(这里是3)，R为特征大小(人工设定)。下面结合附图对本实施例进一步说明。本实施例的工作原理为：本文档来自技高网...

【技术保护点】
一种基于跨领域的机票个性化推荐系统，其特征在于，包括：多个领域矩阵，其中，多个领域矩阵分为主领域矩阵和辅助领域矩阵；所述主领域矩阵和辅助领域矩阵中均包括相同的用户数据。

【技术特征摘要】
1.一种基于跨领域的机票个性化推荐系统，其特征在于，包括：多个领域矩阵，其中，多个领域矩阵分为主领域矩阵和辅助领域矩阵；所述主领域矩阵和辅助领域矩阵中均包括相同的用户数据。2.根据权利要求1所述的基于跨领域的机票个性化推荐系统，其特征在于，所述多个领域矩阵通过拆分用户历史机票订单中的数据得到。3.根据权利要求2所述的基于跨领域的机票个性化推荐系统，其特征在于，所述多个领域矩阵包括：用户航班领域矩阵、用户机型领域矩阵和用户价格敏感度领域矩阵；其中，所述用户航班领域矩阵为主领域矩阵，用户机型领域矩阵和用户价格敏感度领域矩阵为辅助领域矩阵。4.一种基于跨领域的机票个性化推荐方法，其特征在于，包括如下步骤：步骤S1，获取用户历史机票订单；步骤S2，拆分用户历史机票订单为多个领域矩阵；步骤S3，将多个领域矩阵转化为一个多维张量，并训练多维张量得到多维张量的特征；步骤S4，利用多维张量的特征还原多个领域矩阵的主领域矩阵，根据主领域矩阵中值的大小进行推荐。5.根据权利要求4所述的基于跨领域的机票个性化推荐方法，其特征在于，所述步骤S3具体为：步骤S3.1，根据可逆变换将具有不同物品维长度的多个领域矩阵转变为具有共同物品维长度的矩阵后，合成一个多维张...

【专利技术属性】
技术研发人员：曹健，欧辉思，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31